專訪 | 推出面向企業的ProductAI，這家公司要做商品識別領域的 AI 賦能者

凱文·凱利曾說，未來20年最偉大的事情可能還沒有出現，但可以預測的是，人工智慧將是未來20年內最重要的技術趨勢，創業企業的方嚮應該很明確，就是將人工智慧應用於某個領域。

近兩年，人工智慧創業公司如雨後春筍一般不斷湧現，但是大部分的企業是關注於如何讓自家的產品更加智能，但有這麼一家公司卻立下 flag，要做商品識別領域的人工智慧賦能者，讓別人的產品更加智能。

Matt Scott

在2017年北京GMIC大會期間，碼隆科技聯合創始人兼 CTO 碼特（Matt Scott）告訴雷鋒網，和其他人工智慧公司不同，碼隆科技是將商品識別方面的技術開放給其他企業，使得他們能夠運用這些技術去搭建屬於自己的商品識別引擎。

而碼特提及的人工智慧技術，碼隆科技已將其搭建成一個人工智慧平台—ProductAI。

商品識別

在弄清楚 ProductAI 平台之前，需要先介紹一下商品識別的概念。碼特告訴雷鋒網，大家都熟悉人臉識別，通過人工智慧分類技術可以提取出如性別、年齡、種族等信息，那麼商品識別也類似，拿時尚領域來說，通過人工智慧技術可以提取出服飾的材質、色彩、風格等特徵。

但是區別之處在於，商品里既包含酒瓶、車輛、傢具這樣的剛性物體，也包含服飾面料等易摺疊的柔性物體。除了易褶皺這樣的屬性，柔性物體上的面料紋路和圖案也不盡相同，所以相對介於剛性和柔性之間的人臉，柔性物體的識別難度更大，而這個也正是碼隆科技投入大量精力去鑽研並且擅長的領域，碼特說。

ProductAI 的登錄界面

ProductAI

碼特告訴雷鋒網，商品識別技術的背後需要有海量商品數據的支持，通過收集針對某些垂直行業的商品圖像數據，運用適用於這個行業的演算法去搭建這些垂直領域的模型，由此產生針對垂直領域的商品識別結果，如：分類（Classification）、檢測（Detection)、分割（Segmentation)、檢索（Retrieval)等等。

企業能夠運用這些功能去搭建他們自己的商品識別服務，而碼隆則將上述提供的服務進行整合，搭建成一個人工智慧平台—ProductAI。也就是說，ProductAI是企業運用人工智慧商品識別服務的入口。

ProductAI的核心技術服務

據碼特介紹，針對垂直領域，ProductAI有兩大核心技術服務：

• 垂直領域圖像檢索（Vertical AI Image Retrieval）

• 垂直領域自動標註（Vertical Auto-Tagging）

垂直領域商品檢索服務

在圖像檢索方面，除了上文中提到的碼隆擅長的時尚、紡織面料等領域，碼特告訴雷鋒網，現在又新增了在車輛、酒類、傢具等垂直領域的模型，未來還將持續擴充人工智慧在商品識別的垂直場景。

在擴充了使用場景後，問題也隨之而來：這個橫跨多領域的智能識別系統，如何能保證其既能實時處理上億數據， 又能處理不同類別的調用請求？ 還能保證高性價比？對此，碼特分享了碼隆的做法：

第一點：我們首次提出「場景選擇」 （Scenario Selection)的概念，用戶可在圖像檢索服務中，選擇所屬行業的場景服務，然後運用到自己的產品中，以獲得最好的性能。提到圖像檢索服務，人們會想到谷歌和百度的以圖搜圖功能，但是他們大多使用的是通用模型，相較於我們使用垂直領域專用語言（Domain Specific Language）進行搜索引擎搭建，通用模型的商品檢索精確度往往差強人意。

第二點：演算法。除了擁有億級以上的垂直行業圖像數據以外，在每個垂直行業的基礎上，我們使用了多任務的深度度量學習（Deep Metric Learning）來訓練端到端的圖像檢索模型，這使得我們相較於其他人工智慧公司，在商品識別方面，特別是難度最大的柔性商品識別領域，能夠獲得更加精確的檢索結果。

關於精確度的考量，可以說碼隆現已在業內遙遙領先，而且我們有信心與 CVPR, ICCV, ECCV 等國際頂尖論文的公開基準點（Public Benchmarks）進行比較。

第三點：速度。我們花費了非常多的精力將二值神經網路和分布計算的技術運用在深度學習網路當中，以實現大規模且高效率的查詢檢索。

第四點：費用。我們一直在努力降低服務成本，以便讓更多企業能夠受益於這項服務。

垂直領域的商品圖像自動標註服務

如上圖所示，除了商品檢索之外，ProductAI 的圖像識別技術還能對圖片進行實體檢測，定點陣圖中實體，同時提供可定製的標註信息，碼特告訴雷鋒網。

說起圖像標註，碼特說，讓我們來聊一個當下比較熱的話題：如何提升訓練數據的效率？

對於人工智慧公司而言，想要獲取到海量的有標註數據難度是比較大的，我們內部有專門的團隊負責這部分的信息收集，從而提供數以百萬計的標註數據，目前做得很不錯。

這個就是業界普遍在做的監督學習，但我們同時也正在往半監督學習（Semi-supervise Learning) 的階段前進，生成對抗網路GAN（Generative Adversarial Networks）就是一種很好的方法。

有了生成對抗網路，我們就可以不需要像過去那麼多高質量的標籤數據，而是通過一些技術去獲取這些數據。在以一定數量的標註數據作為訓練基礎的情況下，將這些技術應用於訓練分割、檢測、分類、圖像檢索這些任務，從而減輕訓練海量標註數據的負擔。

以圖搜圖

1、布料搜索

顧名思義，通過在 ProductAI 平台上建立的 「以圖搜布」 面料商品圖像搜索引擎，人們只需要對著想要購買的面料拍攝一張照片，系統會先識別出面料的圖形與花色，然後生成相應的購買鏈接。碼特說道，這個案例是 ProductAI 的第一個應用，目前中國前 10 大紡織面料企業，有 7 家已經接入了這個服務。

圖像搜索引擎有非常廣闊的行業應用空間，尤其針對一些難以用語言描述的場景，比如布料的花紋和質地，用視覺方式檢索就會很直接。碼特補充道。

2、時尚商品搜索

只要將服裝網站上的喜歡的款式截圖，複製粘貼到基於 ProductAI 的圖像搜索引擎上，便可以迅速得到服裝的批發購買鏈接。即使服裝商品圖片經過PS、翻轉、變形，即使有些相同衣服的模特不同，也能夠搜索出來。同時，同樣款式的衣服可以一起被搜索出來，供消費者進行比價挑選。

時尚分析與趨勢預測

作為面料紡織行業權威機構，中國紡織信息中心需要預測流行色等未來的趨勢，再把預測信息和整個產業進行分享，起到引領風潮的作用。通過自動抽取海量T台圖像信息中的主體色彩，ProductAI 能夠在短時間內完成顏色分析，總結出整體趨勢，減少了人力觀測成本，碼特說。

出版物識別

ProductAI 還可以提供出版物識別技術，一個典型的例子是《光明日報》在嵌入人工智慧識別技術後，只要對著報紙拍一張照片，便可實時識別出與之相關聯的全媒體信息，如視頻等，搭建起了虛擬與現實的橋樑。

• 2014年7月，黃鼎隆與曾經微軟的同事 Matt Scott（碼特） 聯合創立了碼隆科技，可以看出公司的名稱就是兩位創業者名字的結合。

• 2015年1月，碼隆科技入選微軟創投加速器。同時推出了面向C端的以圖搜圖的移動應用StyleAI，希望用圖像識別結合深度學習來破解時尚密碼。

• 2015年3月，達晨創投和遠鏡創投共同為碼隆科技注入1200萬元天使投資。

• 2016年7月，碼隆科技完成了6200萬人民幣的A輪融資。

• 2016年10月，碼隆科技正式發布人工智慧視覺應用平台—ProductAI 。

對中美人工智慧發展的看法

作為一個在中國創業的美國人，碼特擁有 40 多項中美專利、發表了 13 篇國際頂級論文，有著十多年的開發經驗和微軟亞洲研究院高級研發主管的工作經歷，所以談及中美在人工智慧方面學術與商業化的話題，他感觸頗深：

就學術研究而言，根據2016年美國白宮發表的人工智慧戰略報告，自2014年起，中國在人工智慧領域所發表的論文與期刊數量，及被引用文章數皆已位居世界之首。中國近幾年在人工智慧領域的研究發展已超越美國，成為世界領先的代表。

商業化方面，因為中國更大、人更多、企業也更多，同時中國專註於某些美國不會重點關注的領域，如：製造業、硬體等。在中國，人工智慧更有機會在垂直行業中發揮更大的影響力。當人工智慧遇上攝像頭這類的硬體產品，會發揮巨大的價值。而當人工智慧助力製造業時，對全世界都能夠帶來更大的影響力。舉例來說在中國深圳，這個製造業之鄉，機器人產業最為繁榮的中國城市，現階段達到如此巨大規模的發展，放眼世界，只有在中國才可能發生。

當雷鋒網問及碼隆下一步的計劃時，碼特的回答簡潔而有力，我們希望能夠在垂直領域做得更加深入，並進軍國際市場。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！